从源码编译安装TensorFlow的教程

环境

mac catalina 10.15.1

为什么要从源代码编译？

1 AVX2警告

如果直接“pip3 install tensorflow"的话，很可能出现如下警告：

登录后复制

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX21.

此种警告的原因是pip安装的都是x86编译的，而大多系统都是64位，网上对于此种警告有两种解决方法，一种是在.py加上两行代码屏蔽警告，一种就是找已经编译好的.whl文件然后pip3 install .whl文件就行，

编译好的文件github链接。

但是这毕竟是别人编译的，更新速度不是很快，比如就没有支持最新catalina系统的(20191112)，

故笔者参考官网教程从源代码编译，由于一些细节问题官网教程没有详尽解释，故特此说明

2 系统兼容性警告

对于catalina系统，可能现有的已经编译的安装包不太适用。

安装过程

1 对于mac OS，需要安装homebrew(过程自查)

2 安装python3(apt(linux)或者brew(mac)安装)

注意mac有自带的python2，还有xcode带来的python2和3，强烈建议用brew安装并更改默认python3运行路径为/usr/local/bin/python3(brew安装下的路径)

3 安装 tensorflow pip依赖项

使用虚拟环境时，省略掉–user参数

登录后复制

pip3 install -U pip six numpy wheel setuptools mock future1.




登录后复制

pip3 install -U keras_applications1.

后面可能出现以下错误

登录后复制

Executing genrule //tensorflow/python/keras/api:keras_python_api_gen_compat_v2 failed1.

所以可以先安装keras

登录后复制

pip3 install keras1.

4 安装Bazel

这是安装参考链接，以下安装最新版的命令，但一般情况可能不需要安装最新版，具体后面会讲

登录后复制

brew tap bazelbuild/tapbrew install bazelbuild/tap/bazel1.2.

查看bazel版本，如果output版本说明安装成功

登录后复制

bazel --version1.

如果已经安装，可以升级

登录后复制

brew upgrade bazelbuild/tap/bazel1.

如果是安装以前的版本，可以参照上述参考链接安装，以下是针对mac的安装步骤

5 下载tensorflow源代码

使用git clone，如下

登录后复制

git clone https://github.com/tensorflow/tensorflow.git1.

但是一般下载速度贼慢，网上针对git clone主要两种解决方法，一个是改host文件，一个是走代理外网。笔者只是看了看没试过，笔者是用了外网直接在github上下载的"tensorflow-master.zip"文件，然后解压成"tensorflow-master"文件夹。

如果需要以前的tensorflow版本，那还不如上这个github链接下载.whl直接install。

6 配置编译系统

首先cd到"tensorflow-master"文件夹，如果是git clone，那么直接按照官网上"cd tensorflow"就行。

然后输入命令"./configure"回车，就会弹出结果。

这个时候如果你安装的是bazel最新版，那么他会提示你版本太高去下一个低版本的，这时候回到步骤4中的参考链接下载以前的版本安装就行。

bazel版本对了之后会出现一系列选择，如下图

• 首先是选择python所在路径，选择brew安装下的路径"/usr/local/bin/python3"，终端也会有提示
• 然后是选择python3包的路径，选择brew安装下的路径"/usr/local/lib/python3.7/site-packages"
• 然后是选择g++和gcc路径
• 然后就是一堆支持选择，具体自查，不懂就全选提示中大写的选项，不过最好一个个简单查一下，以下列出一些
  
  关于XLA JIT支持
  
  关于 OpenCL SYCL：选择y会让你选择路径，一般路径不存在说明你没安装，不如选N
  
  关于ROCm：同上
  
  关于CUDA支持：这是能够用GPU加速的关键
  
  关于clang：笔者第六感选y
  
  关于android：懂者自懂，不懂选N
  
  关于IOS支持：笔者苹果笔记本选择了y，但没查这干啥的

7 编译pip软件包

对于CPU版

登录后复制

bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package1.

对于GPU版

登录后复制

bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package1.

编译时需要注意的问题(笔者是没注意(狗头)，哈哈)：

这一步很久，估计两三个小时，耐心等待～～

8 编译软件包

对于从master编译，即最新版，输入以下命令

登录后复制

./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg1.

就可以在/tmp/tensorflow_pkg文件夹下看到编译好的.whl文件啦，为了方便也可以更改路径比如在桌面

9 安装软件包

对于/tmp/tensorflow_pkg文件下的.whl，参考以下命令

登录后复制

pip3 install /tmp/tensorflow_pkg/tensorflow+tab键补全.whl1.

此时就成功安装tensorflow了！

10 运行demo

新建.py脚本，复制以下代码：

登录后复制

import tensorflow as tfhello = tf.constant('hello world')  # 创建一个常量print(hello)  
# 输出print(hello.numpy())  # 输出张量的值print(hello.shape)   # 输出维度print(hello.dtype)  
# 输出张量类型1.2.3.4.5.6.

就可以开始tensorflow快乐之旅了！

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删